Tomesphere: 8 millones de artículos científicos para IA y humanos

La plataforma Tomesphere reúne más de 8 millones de artículos científicos para su uso en inteligencia artificial y acceso humano. Esta plataforma conecta directamente a los agentes de IA con la literatura científica, evitando la necesidad de extraer texto de documentos en formatos como Word o PDF.

Tomesphere obtiene sus artículos de 6 repositorios principales, entre ellos arXiv, PMC, bioRxiv, medRxiv, eLife y F1000. La plataforma ofrece los resultados en diversos formatos para reducir el número de tokens necesarios, lo que facilita su procesamiento. Además, proporciona versiones en PDF legibles para los usuarios humanos que deseen acceder a la información.

“Actualmente, hay 402.000 trabajos revisados por pares, 146 millones de menciones de entidades médicas y 1,58 millones de artículos sobre genes”

La plataforma cuenta con una gran cantidad de recursos organizados en clústeres semánticos. Actualmente, hay 402.000 trabajos revisados por pares, 146 millones de menciones de entidades médicas y 1,58 millones de artículos sobre genes. También se incluyen 132.000 ensayos clínicos y enlaces a código y modelos en proyectos como GitHub y Hugging Face. Cada trabajo tiene un resumen automático y puede incluir indicadores de confianza, revisiones abiertas y retractaciones.

Tomesphere busca convertir cada artículo científico en una unidad de conocimiento estructurada, lo que puede ser útil tanto para los modelos de IA como para los investigadores humanos. La plataforma es un ejemplo de colaboración para analizar la literatura científica de forma más eficiente, proporcionando una capa de metadatos extra que facilita la navegación y el acceso a la información. Esto puede ser especialmente útil en campos como la medicina y la biología, donde la cantidad de información científica es muy grande y está en constante crecimiento.